La lunga scommessa di EliseAI: costruire l'IA conversazionale per l'edilizia abitativa prima che esistessero i modelli

Puntare sull'IA nel 2017, prima che esistessero modelli davvero utilizzabili

La storia delle origini di EliseAI, secondo il racconto di Song, è insolita perché non c'è stato un singolo momento tecnologico a scatenare la scommessa. L'azienda ha puntato sull'IA fin dall'inizio, nel 2017, quando i modelli generativi utili da cui oggi dipende non esistevano ancora

Ciò che ha funzionato fin da subito è stata la scelta di un settore quasi del tutto inesplorato. Song definisce l'edilizia abitativa un terreno vergine, dove persino la tecnologia tradizionale era obsoleta: questo significava che le tecniche più datate portavano valore ancora prima dell'arrivo dell'IA generativa

Ci siamo concentrati davvero sul risolvere i problemi dei nostri clienti. Una volta capiti i problemi del settore immobiliare, era chiarissimo che l'IA fosse l'unico modo per risolverliMontana Labs

In pratica, questo significava lanciare prodotti con ciò che era disponibile. Prima che esistessero modelli generativi potenti, EliseAI usava modelli come BERT per costruire un'esperienza conversazionale tradizionale, aggiornandola poi non appena arrivavano nuove capacità

GPT-4 e Whisper come veri punti di svolta

Song è precisa su quali progressi abbiano davvero contato. GPT-3.5 è stato un miglioramento significativo rispetto a GPT-3, ma è stato il salto a GPT-4 il momento in cui il team ha capito quanti problemi del settore potesse realmente risolvere

Whisper ha aperto una porta completamente diversa. EliseAI aveva costruito prodotti testuali per l'edilizia abitativa, ma considerava le telefonate una lacuna evidente. Song racconta che la tecnologia vocale precedente 'non ci si avvicinava nemmeno'

Quella lacuna era decisiva, in particolare per il settore sanitario. Song racconta che quasi tutta la comunicazione in ambito sanitario passa per telefono, e che senza un'IA vocale funzionante l'azienda non avrebbe potuto entrare in quel settore. La voce non era una funzione richiesta: era il biglietto d'ingresso

Progettare l'IA per imitare il flusso di lavoro che sostituisce

Per i settori non tecnici, la strategia di adozione di EliseAI è stata deliberatamente poco ambiziosa in termini di novità. Il team ha replicato i flussi di lavoro esistenti per far sembrare lo strumento familiare, puntando a far percepire agli utenti che l'IA svolgeva esattamente il compito di sempre, solo più velocemente

Song osserva che questo approccio è cambiato nel tempo. Man mano che i clienti diventano più a loro agio con l'IA e riconoscono il marchio, EliseAI oggi tende a promettere di ripensare i processi quotidiani, invece di riprodurli passo dopo passo

Il successo si misura sui numeri stessi del cliente. Nell'edilizia abitativa, Song fa riferimento ai tassi di occupazione, alla qualità del servizio, ai tempi di risoluzione della manutenzione e alla soddisfazione dei residenti. La metrica interna che sottolinea è la percentuale di un flusso di lavoro che l'IA riesce ad automatizzare, misurata rispetto ai migliori operatori umani sia in termini di efficacia che di affidabilità

Il problema più difficile è mantenere i vecchi prodotti, non lanciarne di nuovi

L'osservazione più utile di Song per i team che sviluppano IA è controintuitiva. La difficoltà non sta solo nel pianificare per un futuro in cui il panorama dei modelli potrebbe cambiare prima ancora di finire di costruire qualcosa. È la 'pianificazione per il passato' — mantenere aggiornati i prodotti esistenti per una vasta base di utenti installata, mentre continuano ad arrivare nuovi strumenti

Questo ridefinisce il problema della rapida evoluzione dei modelli come una questione di manutenzione e architettura. Ogni volta che EliseAI adotta un nuovo strumento per un nuovo prodotto, Song racconta che il team si chiede se sia applicabile in modo migliore a problemi già risolti e se l'architettura debba essere riconsiderata

La lezione specifica di EliseAI è che puntare sull'IA in un settore inesplorato e non tecnico rende gli aggiornamenti dei modelli la parte facile; il vero lavoro competitivo e duraturo consiste nel rivalutare continuamente un prodotto attivo rispetto a capacità che non esistevano quando è stato costruito. Come dice Song, se non continui a migliorare i prodotti esistenti, qualcun altro lo farà